- 博客(6)
- 收藏
- 关注
RSS订阅原创 第二课堂实践感想
然而，随着学习的深入，你会发现pandas的功能远不止于此，它支持复杂的索引操作、多级索引、时间序列分析、数据可视化等高级功能。学习pandas的实践感想可以非常深刻且丰富，因为pandas作为Python中用于数据分析的核心库，不仅功能强大，而且极大地简化了数据处理的复杂性。大语言模型的能力让人叹为观止，它们能够处理复杂的语言任务，如文本生成、问答系统、文本分类、摘要等，而且表现往往超出预期。通过处理实际的数据集，你会遇到各种各样的问题和挑战，从而加深对pandas的理解和应用能力。
2024-08-24 16:30:04
660
原创 大模型笔记
通过将输入序列分解为一个个独立的token，并对每个token应用注意力机制，从而能够并行处理整个序列，实现高效且精确的输出。Stable Diffusion在训练中表现较高的稳定性，且具有较快啊的速度，能够生成高质量的图片。基座模型是预训练的AI技术范式，通过大模型统一处理多任务，提高研发效率，减少人力，增强应用效果。训练需要大量的时间和计算资源，需要进行多代迭代推理，导致生成样本的速度较慢，对硬件要求较高。LLM引发对AGI的深入研究，可能开启新的应用领域，如智能助手，自主决策系统等。
2024-08-06 17:29:31
242
原创 aliyun笔记
RandomForestRegressor().fit(X_train,y_train) 随机森林回归模型。LinearRegression().fit(X_train,y_train) 直线回归模型。concat([train_data, test_data]) 将两张表放在一起。pred=pred.detach().numpy() #安全地将张量转换为Numpy数组。data.replace('-', '-1') 将所有的‘-’换成-1。
2024-07-28 18:53:03
692
原创 pandas笔记
使用MultiIndex或MultiColumn创建多级表头 如果你的数据表结构允许，并且你想要在表头中展示更丰富的信息（包括中文），你可以考虑使用pandas的MultiIndex（多级索引）来创建多级表头。reset_index()的作用：reset_index() 是 pandas 库中一个非常有用的方法，主要用于将 DataFrame 的索引重置为默认的整数索引，索引成为数据的一部分：在某些情况下，你可能需要将 DataFrame 的索引转换为普通的数据列，以便进行进一步的分析或处理。
2024-07-21 21:09:44
784
原创 7.11笔记
创建环境：conda create -n env_name py 进入环境：conda activate env_name。文件的打开和关闭：用open（）来打开，用close（）来关闭，用read()和write（）来输入和输出。break和continue：break跳出循环，continue跳过当前循环进入下一次循环。2.控制结构：if，else，elif，for，while等。1.变量和数据类型：整数，浮点数，字符串，列表，字典等。循环语句：while：不确定循环次数。
2024-07-15 17:58:02
256
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人